Question

我试图区分＆＃34;文本文件＆＃34;和＆＃34;二进制＆＃34;文件，因为我有效地想忽略文件＆＃34;不可读＆＃34;内容。

我有一个我认为是GZIP档案的文件。我通过检测魔术数字/文件签名来忽略这种文件。如果我在Notepad ++中使用Hex编辑器插件打开文件，我可以看到前三个十六进制代码是1f 8b 08。

但是如果我使用StreamReader读取文件，我不知道如何获取原始字节..

using (var streamReader = new StreamReader(@"C:\file"))
{
    char[] buffer = new char[10];
    streamReader.Read(buffer, 0, 10);
    var s = new String(buffer);

    byte[] bytes = new byte[6];
    System.Buffer.BlockCopy(s.ToCharArray(), 0, bytes, 0, 6);
    var hex = BitConverter.ToString(bytes);

    var otherhex = BitConverter.ToString(System.Text.Encoding.UTF8.GetBytes(s.ToCharArray()));
}

在using语句结束时，我有以下变量值：

hex: "1F-00-FD-FF-08-00"
otherhex: "1F-EF-BF-BD-08-00-EF-BF-BD-EF-BF-BD-0A-51-02-03"

两者都不以Notepad ++中显示的十六进制值开头。

是否可以通过StreamReader来获取文件的原始字节？

Answer 1

您的代码尝试将二进制缓冲区更改为字符串。字符串在NET中是Unicode，因此需要两个字节。你可以看到结果有点不可预测。

只需使用BinaryReader及其ReadBytes方法

即可

using(FileStream fs = new FileStream(@"C:\file", FileMode.Open, FileAccess.Read))
{
    using (var reader = new BinaryReader(fs, new ASCIIEncoding()))
    {
        byte[] buffer = new byte[10];
        buffer = reader.ReadBytes(10);
        if(buffer[0] == 31 && buffer[1] == 139 && buffer[2] == 8)
            // you have a signature match....
    }
}

Answer 2

用法（对于pdf文件）：

Assert.AreEqual("25504446", GetMagicNumbers(filePath, 4));

方法GetMagicNumbers：

private static string GetMagicNumbers(string filepath, int bytesCount)
{
    // https://en.wikipedia.org/wiki/List_of_file_signatures

    byte[] buffer;
    using (var fs = new FileStream(filepath, FileMode.Open, FileAccess.Read))
    using (var reader = new BinaryReader(fs))
        buffer = reader.ReadBytes(bytesCount);

    var hex = BitConverter.ToString(buffer);
    return hex.Replace("-", String.Empty).ToLower();
}

Answer 3

你做不到。 StreamReader用于读取文本，而不是二进制文件。直接使用Stream读取字节。在您的情况下FileStream。

要猜测文件是文本还是二进制文件，您可以将第一个4K读入byte[]并解释它。

顺便说一下，你试图将字符强制为字节。原则上这是无效的。我建议你熟悉Encoding是什么：它是唯一的方式，以语义正确的方式在字符和字节之间进行转换。

来自StreamReader的原始文件字节，幻数检测

3 个答案: